ПРИМЕНЕНИЕ МЕТОДА МАШИННОГО ОБУЧЕНИЯ ПРИ РЕШЕНИИ ЗАДАЧИ ОПТИМАЛЬНО-ТЕРМИНАЛЬНОГО УПРАВЛЕНИЯ МНОГОРЕЖИМНЫМ ПОДВИЖНЫМ ОБЪЕКТОМ

Резюме: В статье рассматривается применение метода машинного обучения в задаче оптимально-терминального управления для выбора наилучшей стратегии управления многорежимным подвижным объектом из множества альтернатив. Актуальность данного подхода определяется тем, что в общем случае решение задачи синтеза оптимально-терминального управления с переключениями, характерной для оптимизации управления многорежимными объектами вызывает ряд трудностей. Это связано как с плохой обусловленностью задачи структурно-параметрического синтеза, получаемой путем редукции исходной задачи оптимально-терминального управления, так и с вероятностным характером алгоритмов построения минимизирующих последовательностей, используемых для её решения. Использование вычислительных процедур на основе метаэвристических алгоритмов позволяет выявить приближенные множества субоптимальных решений, соответствующие различным стратегиям управления, выбор из которых наилучшего (асимптотически-оптимального) только по значению целевой функции (или функционала) может быть неоднозначным. Применение методов машинного обучения для выбора окончательного варианта управления из множества предварительно оптимизированных и «близких» по заданному критерию качества позволяют улучшить обоснованность и существенно уменьшить возможность ошибки такого выбора, связанной с вероятностным характером получаемых результатов. Представлен пример применения данного подхода для задачи оптимально-терминального управления движением поезда.

Ключевые слова: оптимально-терминальное управление, структурно-параметрический синтез, управление с переключениями, целевой функционал, плохая обусловленность задачи, машинное обучение, автоведение поезда.

K.I. Yurenko

APPLICATION OF MACHINE LEARNING METHOD WHEN SOLVING THE PROBLEM OF OPTIMAL TERMINAL CONTROL OF A MULTI-MODE MOVING OBJECT

Summary: The article considers the application of the machine learning method in the optimal-terminal control problem for selecting the best control strategy for a multi-mode moving object from a set of alternatives. The relevance of this approach is determined by the fact that in the general case, solving the problem of synthesis of optimal-terminal control with switching, typical for optimizing the control of multi-mode objects, causes a number of difficulties. This is due to both the poor conditioning of the structural-parametric synthesis problem obtained by reducing the original optimal-terminal control problem and the probabilistic nature of the algorithms for constructing minimizing sequences used to solve it. The use of computational procedures based on metaheuristic algorithms allows us to identify approximate sets of suboptimal solutions corresponding to different control strategies, the choice of which is the best (asymptotically optimal) only by the value of the objective function (or functional) can be ambiguous. The use of machine learning methods to select the final control option from a set of pre-optimized and «close» ones according to a given quality criterion allows improving the validity and significantly reducing the possibility of an error in such a choice, associated with the probabilistic nature of the results obtained. An example of the application of this approach to the problem of optimal-terminal control of train movement is presented.

Keywords: optimal terminal control, structural-parametric synthesis, switching control, target functionality, poor task conditioning, machine learning, train driving.

DOI: 10.34219/2078-8320-2024-15-5-60-71